本文带你了解这款工具，在你写 Python 代码的时候，实时更新你的应用。机器学习开发者想要打造一款 App 有多难？近日，Streamlit 联合创始人 Adrien Treuille 撰文介绍其开发的机器学习工具开发框架——Streamlit，这是一款

尽管基于GAN的无监督学习方法取得了初步成果，但很快被自监督学习方法所取代。DeepMind近日发布了一篇论文《Large Scale Adversarial Representation Learning》，提出了无监督表示学习新模型BigBiGAN。作

谷歌提出了一种新型CNN网络EfficientNet，该网络具备极高的参数效率和速度。[ 导读 ]谷歌提出了一项新型模型缩放方法：利用复合系数统一缩放模型的所有维度，该方法极大地提升了模型的准确率和效率。目前，该模型的代码已开源。谷歌研究人员在一篇 ICM

整理 | CTA 直播小分队出品 | AI科技大本营杭州国际博览中心，这里曾经是二十国集团领导人第十一次峰会的主场馆，5 月 26 日 CTA 核心技术与应用峰会（杭州）同样在这里正式召开！在 CSDN 社区，大家开放共享的精神，成为后来者技术精进的阶梯。

本文为你指出一些自学的误区，推荐学习资料，提供客观可行的学习表并给出进阶学习的建议。写这篇教程的初衷是很多朋友都想了解如何入门/转行机器学习，搭上人工智能这列二十一世纪的快车。在读学生非计算机行业的读者已经工作但想将机器学习/数据分析和自己的本职工作相结合

作者：Pulkit Sharma翻译：陈之炎校对：丁楠雅本文约3900字，建议阅读10+分钟。本文为大家分析并比较五种非常有用的深度学习框架的优点及应用。从出道起，我就一直是一名程序员。但是当需要为现实世界的数据集构建深度学习模型时，这还是一个不错的主意吗

本文约1000字，建议阅读5分钟。本文将分理论部分和实际部分为你推荐一些机器学习和数据科学的相关书籍。以下都是机器学习的基础教材。如果你是机器学习的入门菜鸟，这些书可能技术性很强，但是一旦你坚持完成其中一本，你会发现其他教材也变得简单易懂。这个强大的框架为

作为机器学习最重要的一个分支，近年来深度学习发展势头迅猛，借助庞大的数据和计算能力，深度学习已经在计算机视觉、语音识别以及自然语言处理方面取得了巨大成就：目前几乎所有的商用语音识别算法都是基于深度学习，针对ImageNet数据集的算法分类精度已达95%以上

在过去的几年里，机器学习为各行各业开创了新纪元，诞生了许多成功的案例： Facebook 的面部识别，Netflix 的智能电影推荐系统，PrimaAI 的图像风格转换，Siri 的语音识别，Google Allo 的自然语言处理，及其他很多开发中的项目。

如今机器学习正在从人工设计模型更多地转移到自动优化工作流中，如 H20、TPOT 和 auto-sklearn 等工具已被广泛使用。这些库以及随机搜索等方法都致力于寻找最适合数据集的模型，以此简化模型筛选与调优过程，而不需要任何人工干预。然而，特征工程作为

本文约1300字，建议阅读6分钟。带你浏览排名靠前的顶级AI开源项目，聊聊今年年机器学习都有哪些发展及展望。[ 导读 ]2018年马上就要结束了，我们来回顾一下过去的这一年中，机器学习领域有哪些有趣的事情吧！BERT，全称为Bidirectional En

本文介绍了仅需3行代码，将Python数据处理速度提升2~6倍的简单方法。Python是所有机器学习的首选编程语言。默认情况下，Python程序使用单个CPU作为单个进程执行。但幸运的是，内置的Python库中有一些隐藏的功能，可以让我们充分利用所有CPU

在这篇博文中，你将了解到什么是迁移学习，它的一些应用以及它为什么能够成为数据科学家应具备的关键技能。迁移学习不是机器学习的一个模型或技术，它是机器学习中的一种“设计方法论”，还有一些其他的设方法论，比如说主动学习。总体的思路是，通过对不同任务的网络进行训练

本文3153字，建议阅读8分钟。本文讲解了在学习基于贝叶斯推断的分类模型中，我们需要的准备和方法。这样的叫法是为了强调贝叶斯定理从结果推原因的过程，也可以理解为一种事件发生之后的概率的修正。我们现在考虑典型的机器学习的二分类问题，我们每一个训练样本都有若干

Google翻译、百度翻译、有道翻译……我们使用过各种各样的在线翻译服务，但你清楚机器翻译背后的原理吗？在线翻译为什么要用深度学习？不同的神经网络模型在翻译过程中所起的作用有什么不同？相比通用的模型，为什么支持103种语言的Google的翻译算法，可以实现

如今，他一头扎进了数据挖掘，在全美三大医学院之一的圣路易斯华盛顿大学，用最高质量的数据，研究如何通过机器学习来解决医学上的难题。

现如今，在火爆的人工智能领域，面临的最窘迫的问题是越来越庞大的产业规模和国家每年约500万的相关人才需求的矛盾。然而，目前国内开设人工智能专业的高校不多，学科建设不完善，相当多的开发者是跨界入门，需要自学大量知识并在实践中摸索。面对网络讯息碎片化，培训班种

随着柯洁与AlphaGo结束以后，大家是不是对人工智能的底层奥秘越来越有兴趣？深度学习已经在图像分类、检测等诸多领域取得了突破性的成绩。首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的

撕逼大战，从某种角度，标志着一个产业的火热。最近，大火的深度学习，也开始撕起来了。前段时间，有一篇帖子在“Simply Stats”很火，作者Jeff Leek在博文中犀利地将深度学习拉下神坛，他谈到了深度学习现在如何狂热，人们正试图用这个技术解决每一个问

AI100 已经引入 Hugo Larochelle 教授的深度学习课程，会每天在公众号中推送一到两节课，并且对视频中的 PPT 进行讲解。课后，我们会设计一系列的问题来巩固课程中的知识。本节课是 Hugo Larochelle 教授深度学习的第五节课。回